#7 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
OpenAI
发布日期: 2026-02-05
测试于: 2026-04-11 01:44
openai/gpt-5.3-codex::medium
~1.2T 总计 (~80B 激活)MoE闭源估算 摘要
GPT-5.3-Codex 在 AI BENCHY 上得分 8.6，排名 #7。它的可靠性为 不适用，通过率为 83.3%，总成本为 $0.573，平均响应时间为 15.38s。
模型信息
调研日期：2026-08-12
- 参数量
- ~1.2T 总计 (~80B 激活)
- 架构
- MoE
- 开放状态
- 闭源
- 许可证
- -
基于公开证据的最佳估算；厂商未披露全部数值。
输入价格
$1.750 / 1M
输出价格
$14.000 / 1M
不稳定测试
3
不稳定测试在运行之间出现混合结果（至少一次通过且至少一次失败）。
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
测试历史
| 测试于 | 分数 | 可靠性 | 测试正确 | 总成本 | 比较 |
|---|---|---|---|---|---|
| 2026-08-14 02:13 重新测试 | 8.9 | 10.0 | $0.988 | 比较 | |
| 2026-07-16 22:33 新增测试 | 8.9 | 10.0 | $0.920 | 比较 | |
| 2026-06-04 13:45 新增测试 | 8.4 | 10.0 | $0.740 | 比较 | |
| 2026-05-22 00:19 重新测试 | 8.3 | 10.0 | $0.685 | 比较 | |
| 2026-04-11 01:44 首次记录的运行 | 8.6 | 不适用 | $0.573 | 当前轮次 |
轮次对比
| 测试轮次 | 基准测试覆盖率 | 分数 | 一致性 | 可靠性 | 测试正确 | 不稳定测试 | 总输出令牌 | 总输入令牌 | 总成本 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · 首次记录的运行 | 54/54 次尝试 | 8.6 | 8.7 | 不适用 | 13/18 | 3 | 37,458 | 0 | $0.573 | 15.38s |
| 2026-07-16 22:33 · 新增测试 | 66/66 次尝试 | 8.9 | 8.6 | 10.0 | 16/22 | 4 | 55,525 | 81,268 | $0.920 | 16.96s |
| 差值 | — | -0.4 | +0.1 | -3 | -1 | -18067 | -81268 | -$0.347 | -1579ms |
基准测试覆盖率不同：54/54 次尝试 (目标：每项测试重复 3 次) 对比 66/66 次尝试 (目标：每项测试重复 3 次)。总量和受重复次数影响的指标不能直接比较。
这两次运行使用了不同的基准测试集，因此差异同时反映模型变化和测试集变化。
图表
先选择第一个模型，再点击第二个模型打开并排页面。
快速对比
GPT-5.3-CodexmediumvsGrok 4.5highGPT-5.3-CodexmediumvsSeed 2.1 TurbohighGPT-5.3-CodexmediumvsQwen3.8 MaxmediumGPT-5.3-CodexmediumvsGemini 3.5 FlashlowGPT-5.3-CodexmediumvsGPT-5.5mediumGPT-5.3-CodexmediumvsGemini 3.5 Flash LitehighGPT-5.3-CodexmediumvsGemini 3.5 FlashmediumGPT-5.3-CodexmediumvsClaude Opus 4.8mediumGPT-5.3-CodexmediumvsQwen3.7 MaxmediumGPT-5.3-CodexmediumvsClaude Opus 5low